XiaoMi-AI文件搜索系统
World File Search SystemRepository
肯特学术资料库
通过机器学习生成设计一直是计算机辅助设计领域的一项持续挑战。最近，深度学习方法已被用于随机生成时尚、家具和产品设计中的图像。然而，这种深度生成方法通常需要大量的训练图像，并且在设计过程中没有考虑到人为因素。在这项工作中，我们寻求一种方法，通过脑电图测量 (EEG) 指示的大脑活动将人类认知因素纳入生成过程。我们提出了一种受神经科学启发的机器学习设计方法，其中使用 EEG 来捕获首选的设计特征。此类信号用作生成对抗网络 (GAN) 中的条件。首先，我们使用循环神经网络 (LSTM - 长短期记忆) 作为编码器，从原始 EEG 信号中提取 EEG 特征；这些数据是从受试者观看 ImageNet 中的几类图像时记录下来的。其次，我们训练一个以编码的 EEG 特征为条件的 GAN 模型来生成设计图像。第三，我们使用该模型从受试者的 EEG 测量大脑活动生成设计图像。
s13046-021-02093-4.pdf - 肯特学术资料库
背景：SAMHD1 通过切割三磷酸化形式介导对抗癌核苷类似物的耐药性，包括常用于治疗白血病的阿糖胞苷、地西他滨和奈拉滨。因此，SAMHD1 抑制剂是使白血病细胞对基于核苷类似物的疗法敏感的有希望的候选药物。在这里，我们在 SAMHD1 的背景下研究了胞嘧啶类似物 CNDAC 的影响，该物质已被提议作为 SAMHD1 抑制剂。方法：在 13 种急性髓系白血病 (AML) 细胞系、26 种急性淋巴细胞白血病 (ALL) 细胞系、10 种适应各种抗白血病药物的 AML 亚系、24 种单细胞衍生的克隆 AML 亚系和来自 24 名 AML 患者的原发性白血病母细胞中测试了 CNDAC。此外，还建立了 24 个 AML 细胞系 HL-60 和 PL-21 的 CNDAC 抗性亚系。使用 CRISPR/Cas9 破坏 SAMHD1 基因，使用 RNAi 和病毒 Vpx 蛋白耗尽 SAMHD1。通过慢病毒转导实现强制 DCK 表达。用甲基化敏感的 HpaII 内切酶处理基因组 DNA 后，通过 PCR 确定 SAMHD1 启动子甲基化。通过 LC-MS/MS 测定核苷（类似物）三磷酸盐水平。通过酶促测定和结晶分析了 CNDAC 与 SAMHD1 的相互作用。结果：尽管胞嘧啶类似物 CNDAC 预计会抑制 SAMHD1，但 SAMHD1 介导白血病细胞中的内在 CNDAC 抗性。因此，SAMHD1 耗竭会增加 CNDAC 三磷酸盐 (CNDAC-TP) 水平和 CNDAC 毒性。酶促分析和结晶研究证实，CNDAC-TP 是 SAMHD1 底物。在 24 个适应 CNDAC 的急性髓系白血病 (AML) 亚系中，抗药性是由 DCK（催化初始核苷磷酸化）损失引起的。适应 CNDAC 的亚系仅对其他 DCK 底物（例如阿糖胞苷、地西他滨）表现出交叉抗药性。适应不受 DCK 或 SAMHD1 影响的药物的细胞系仍然对 CNDA C 敏感。在适应阿糖胞苷的 AML 细胞中，SAMHD1 增加和 DCK 水平降低导致阿糖胞苷和 CNDAC 抗药性。
肯特学术存储库
抽象的胚泡是最普遍的肠道真核微生物，对人类和动物健康都有重大影响。尽管进行了广泛的研究，但其致病性仍然存在争议。成本动作Ca21105，“一个健康状况下的胚泡”（OneHealthBlastocystis），旨在通过促进一个多学科网络来弥合我们理解的差距。该计划的重点是开发标准化的诊断方法，建立全面的亚型和微生物组数据库，并通过教育和协作来促进能力建设。该动作构成了五个工作组，每个工作组都针对胚泡研究的特定方面，包括流行病学，诊断，“ OMICS Technologies”，体内和体外研究以及数据传播。通过整合医学，兽医，公共和环境健康的进步，该计划旨在协调诊断，改善公共卫生政策并促进创新研究，最终增强我们对胚泡及其在健康和疾病中的作用的理解。这种合作的工作有望导致大幅进步和实际应用，从而使科学界和公共卫生受益。
传感器 - CERES研究存储库
脑电图（EEG）是一种广泛认识的非侵入性方法，用于囊化脑生理活性。在大多数医院环境中，它的成本效益，可移植性，易移，管理便利性和广泛可用性而脱颖而出。与其他关注解剖结构（例如MRI，CT和fMRI）的神经影像模式不同，EEG擅长提供超高的时间分辨率，这是对脑功能的深入了解的重要资产[1]。脑电图数据的经验解释主要依赖于不同生物学状态（例如，觉醒与睡眠[2]）和阵发性和形态学特征[3]的鉴定（例如，觉醒与睡眠[2]）以及常见的放电[4]。对外部刺激和激活程序的反应性，例如间歇性的光刺激或过度换气，在EEG分析中也起着显着的作用[5，6]。尽管这些实际方法在许多情况下很有价值，但它们通常没有捕获大脑网络各种解剖成分之间的复杂，动态和非线性相互作用。这些相互作用经常隐藏在脑电图记录中，超过了训练有素的医生的观察能力。这种监督得到了各种神经疾病的大量证据的支持，包括癫痫，神经退行性痴呆症，神经精神病学和运动障碍以及正常的认知范式[7]。此外，脑电图数据本质上是非平稳的，并且易受噪声来源的敏感，尤其是频率干扰。因此，从原始脑电图数据中有效删除噪声是要提取有意义的信息，以准确反映大脑活动和状态[8]。近年来，基于机器学习的方法吸引了相当大的关注，因为它们在嘈杂的脑电图记录中针对各种应用程序揭示了基本模式的特殊能力。本期特刊是传播EEG信号预处理，建模，分析及其应用中原始高质量研究的平台，特别关注机器学习和深度学习技术的利用。所涵盖的申请范围包括以下内容：•医疗保健申请，包括癫痫（贡献1-3）和麻醉（贡献4）； •与情感有关的研究（贡献5-7）； •运动图像研究（贡献8-10）； •研究外部刺激（贡献11-13）； •有关心理工作量的研究（贡献14-15）； •满意度的研究（贡献16）。
聚合物iphitic共聚物 - 含量 - 存储库 - UNAIR
卷。13（2021）（/2073-4360/13）卷。12（2020）（/2073-4360/12）卷。11（2019）（/2073-4360/11）卷。10（2018）（/2073-4360/10）卷。9（2017）（/2073-4360/9）卷。8（2016）（/2073-4360/8）卷。 7（2015）（/2073-4360/7）8（2016）（/2073-4360/8）卷。7（2015）（/2073-4360/7）
农业中的CRISPR -CAS -Rothamsted存储库下载
CRISPR-CAS基因组编辑技术正在快速开发，而新的分子工具（例如CRISPR核酸酶）正在定期使用。作为本研究主题的一部分，Bandyopadhyay等。提供了CAS12A的全面概述，CAS12A是一种CRISPR核酸酶，以前称为CPF1。在他们的评论文章中，作者涵盖了Cas12a的结构和机械方面，与Cas9相比，Cas9是最常用的CRISPR核酸酶。他们还强调了Cas12a的用途，目的是改善各种农作物中的农业重要特征。El-Mounadi等人提供了CAS9基因组编辑应用的概述。谁向读者介绍了Cas9活性的机制，其向植物细胞传递的方法（即转化技术），提供了使用CRISPR-CAS9改善作物性状的示例，并触摸了与基因组编辑相关的生物安全和调节方面。A number of countries (e.g., the USA, Brazil, Argentina, and Japan) have already exempted genome edited crops, which do not carry transgenic DNA or novel combination of genetic material (i.e., not similarly achievable through conventional breeding), from being regulated similarly to Genetically Modified Organisms (GMOs) as genetically engineered (GE) organisms ( Schmidt et al., 2020）。尽管上述国家通过了立法，允许在没有GE监管的情况下培养基因组编辑的农作物，但有关该问题的公众对话和政策发展正在发展。对于日本，Tabei等人。在2019年5月至2019年10月期间分析有关基因组编辑的食品及其标签的Twitter对话。分析表明，有54.5％的相关推文是与使用基因组编辑的农作物生产的食物相反的陈述，而只有7％是有利于它的陈述。其余38.5％的推文是被认为是中性的陈述。尽管由于Twitter用户之间的偏见，该分析不一定代表更广泛的日本社会，但该研究强调了关于基因组问题在日本和世界其他地区进行基因组问题的持续公开对话的重要性。
电池 - CERES研究存储库
摘要：将电池保持在特定温度范围内对于安全性和效率至关重要，因为极端温度会降低电池的性能和寿命。此外，电池温度是电池安全法规的关键参数。电池热管理系统（BTMS）在调节电池温度方面是关键的。虽然当前的BTMS提供实时温度监测，但缺乏预测能力却构成了限制。本研究介绍了一种新型混合系统，该系统将基于机器学习的电池温度预测模型与在线电池参数识别单元相结合。标识单元不断实时更新电池的电气参数，从而提高了预测模型的准确性。预测模型采用自适应神经模糊推理系统（ANFIS），并考虑了各种输入参数，例如环境温度，电池电流温度，内部电阻和开路电压。该模型通过基于实时数据动态调整热参数来准确地在有限时间范围内准确预测电池的未来温度。实验测试是在一系列AMB温度范围内对锂离子（NCA和LFP）圆柱细胞进行的，以在不同条件下验证系统的准确性，包括电荷状态和动态载荷电流。提议的模型优先考虑简单，以确保实时的工业适用性。
利哈伊保护机构知识库
摘要：近年来，多元同步指数（MSI）算法作为一种新的频率检测方法，在基于稳态视觉诱发电位（SSVEP）的脑机接口（BCI）研究中受到越来越多的关注。然而，MSI算法难以充分利用脑电图（EEG）中与SSVEP相关的谐波分量，限制了MSI算法在BCI系统中的应用。在本文中，我们提出了一种新的滤波器组驱动的MSI算法（FBMSI）来克服该限制并进一步提高SSVEP识别的准确性。我们通过开发一个6命令SSVEP-NAO机器人系统并进行大量实验分析来评估FBMSI方法的有效性。首先使用从9名受试者采集的EEG进行离线实验研究，以研究不同参数对模型性能的影响。离线结果表明，所提出的方法取得了稳定的改进效果。我们进一步对六名受试者进行了在线实验，以评估所开发的 FBMSI 算法在实时 BCI 应用中的效果。在线实验结果表明，FBMSI 算法使用仅一秒的数据长度即可获得 83.56% 的平均准确率，比标准 MSI 算法高出 12.26%。这些广泛的实验结果证实了 FBMSI 算法在 SSVEP 识别中的有效性，并展示了其在改进的 BCI 系统开发中的潜在应用。